PulseAugur
实时 05:15:56

新方法解决具有偏差和混杂因素的因果效应估计问题

一篇新的研究论文介绍了一种基于回归的方法,用于估计在存在选择偏差和混杂因素的复杂场景下的因果效应。所提出的两步回归(TSR)估计器可以纳入非线性函数,并利用代理变量来调整这些扭曲。作者证明,在没有混杂因素的情况下,TSR与现有估计器一致,但方差较低;模拟证实了其在同时存在选择偏差和混杂因素的场景中的有效性。 AI

影响 为机器学习应用中的因果推断提供了更稳健的统计框架。

排序理由 该集群包含一篇关于统计方法学的新学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv stat.ML 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新方法解决具有偏差和混杂因素的因果效应估计问题

报道来源 [1]

  1. arXiv stat.ML TIER_1 English(EN) · Marlies Hafer, Alexander Marx ·

    选择偏差和混杂因素存在下的因果效应的回归分析估计

    arXiv:2503.20546v2 Announce Type: replace Abstract: We consider the problem of estimating the expected causal effect $E[Y|do(X)]$ for a target variable $Y$ when treatment $X$ is set by intervention, focusing on continuous random variables. In settings without selection bias or co…